亚得里亚海风暴潮与波浪的二元极值分析及海岸洪水风险评估

《Estuarine, Coastal and Shelf Science》：Bivariate extreme analysis for coastal flooding in the Adriatic Sea

本研究针对亚得里亚海海岸洪水风险，采用二元统计方法分析了风暴潮与波高的联合概率，量化了不同气候情景和回归期下极端海平面（ESL）的分布。结果表明，波浪增水（wave set-up）对极端海平面有显著贡献，尤其在北部海域和特定区域（如安科纳至扎达尔之间、奥特朗托海峡附近）可使水位倍增。研究提供了不同回归期和IPCC气候变化情景（SSP1-1.9和SSP5-8.5）下的ESL分布图，强调了二元方法在准确捕捉多物理驱动因子相互作用方面的重要性，为海岸带管理及适应措施设计提供了科学依据。

　　

亚得里亚海作为地中海的一个半封闭子海盆，由于其狭长的几何形状、有限的潮差以及对气象强迫的敏感性，成为研究海岸极端事件相互作用的理想区域。海岸洪水、结构物荷载和越浪等许多海岸现象源于海平面、波浪、流和风等多种物理驱动因子的共同作用。特别是在气候变化背景下，极端事件的频率和强度预计将增加，准确评估海岸洪水风险变得尤为重要。以往的研究多侧重于单一驱动因子，如风暴潮或天文潮的独立分析，而忽略了它们之间的联合效应。例如，在亚得里亚海，风暴潮主要由低气压和强劲的东南风（西罗科风）共同作用，将水体推向海域北部，而波浪的作用，特别是在破碎带引起的波浪增水（wave set-up），会进一步抬升平均海平面，显著加剧海岸洪水风险。因此，迫切需要一种能够综合考虑风暴潮和波浪联合概率的多元统计方法，以更精确地评估极端海平面事件。

为了回答这些问题，研究人员在《Estuarine, Coastal and Shelf Science》上发表了题为“Bivariate extreme analysis for coastal flooding in the Adriatic Sea”的研究论文。该研究旨在通过二元统计分析，量化亚得里亚海风暴潮和波高在极端事件中的联合影响，并评估在不同气候情景和回归期下极端海平面（ESL）的空间分布，为海岸带风险管理提供科学依据。

研究人员开展研究用到几个主要关键技术方法：研究利用了意大利和克罗地亚国家潮位计网络的长期观测数据（水位数）以及Copernicus海洋服务（CMEMS）的波浪再分析数据（有效波高）。采用了一种混合方法（结合了偏斜涌浪（skew surge）和潮汐残差）来更准确地计算风暴潮。极端值统计分析采用了峰值超阈值（POT）方法和广义帕累托（GP）分布来拟合风暴潮极值，对波高数据则评估了多种极值分布（如Gumbel、Weibull、GEV等）。关键的创新在于使用Copula函数（包括Archimedean Copula和Student's t Copula）来建模风暴潮和波高之间的依赖结构，并通过环境等值线（IFORM方法）直观展示不同回归期下两变量的联合概率。最后，通过克里金（Kriging）插值法将离散站点的分析结果空间化，生成了整个亚得里亚海盆地的ESL分布图。

2.1 海平面分量

海平面η被分解为多个分量之和：η = η_msl+ η_slr+ η_t+ η_ss+ η_w。其中，η_msl为平均海平面，在本研究中被移除以方便不同站点间的比较；η_slr为海平面上升量，根据IPCC SSP1-1.9和SSP5-8.5情景下的预测值给出；η_t为天文潮，以平均高高潮位（MHHW）为代表；η_ss为风暴潮（气象潮），采用混合方法计算，以克服传统偏斜涌浪在低潮时可能低估的问题；η_w为波浪增水，根据Bowen等人的公式，在静水 shoreline 处计算为破碎波高H_b的18.8%，并假设浅水变形系数乘积为1，即H_b≈ H_s（离岸有效波高）。

2.3 极值统计分析

对每个站点，首先从潮位数据中重构天文潮并计算风暴潮序列。通过POT分析并结合平均剩余寿命图、GP分布参数稳定性和NRMSE等准则，为每个站点确定了风暴潮极值分析的最佳阈值。使用24小时的去聚类窗口来识别独立风暴事件，以增加样本量。对于波高数据，设定了1米的阈值，并在风暴潮峰值时间±5小时的时间窗口内选取对应的最大波高值，形成风暴潮-波高配对样本。利用Copula函数（通过AIC准则选择最优模型，如Student's t Copula）建立两变量的联合分布，并基于逆Rosenblatt变换和IFORM方法绘制了不同回归期（如1年、10年、100年、200年）的环境等值线。最终，以海岸洪水风险为响应变量（R = η_ss+ 0.188H_s），确定了每条环境等值线上使R最大的风暴潮和波高设计组合。

3.1 二元统计分析结果

3.1.1 安科纳站点的应用

以安科纳站点为例，详细展示了分析流程。风暴潮阈值选定为0.33米，波高数据的最佳拟合分布为Weibull分布。环境等值线显示，较大的风暴潮值通常与较高的波高相关联。对于略高于阈值的小风暴潮，波高变幅很大（1.0-4.5米），而风暴潮超过0.6米时，通常伴随着至少1.8米的波高。响应变量R的最大值等值线清晰地指示了不同回归期下最危险的设计条件。

3.1.2 所有站点的应用

将方法应用于12个站点，结果显示风暴潮极值从亚得里亚海北部向南递减。北部（威尼斯、的里雅斯特）100年回归期的风暴潮可达约1.4米，中部（安科纳、扎达尔）约0.8-1.0米，南部（巴里、奥特朗托）则低于0.5米。波高极值的空间分布则不同，最大值出现在海域中部（安科纳至扎达尔）和南部入口（奥特朗托），这些区域受双向波候（西北风和东南风）影响，联合事件发生概率更高。斯普利特站点因岛屿遮蔽效应，波高值相对较低。

3.2 亚得里亚海海平面分量及联合波高分布图

基于站点分析结果，通过克里金插值生成了整个海盆的分布图。

• •
  海平面上升（η_slr）：SSP1-1.9情景下上升约30-40厘米，SSP5-8.5情景下上升约65-80厘米，威尼斯是热点区域。SSP1-1.9情景下空间分布较均匀，而SSP5-8.5情景下空间变异性更大。
• •
  天文潮（MHHW）：北部海域最高（0.30-0.40米），向南海域递减，奥特朗托最低（约0.10米），体现了该海盆的微潮特征。
• •
  风暴潮（η_ss）：北部海域极值最高，南部最低，空间格局与已知的气象强迫和盆地共振机制一致。
• •
  波高（H_s）：高值区位于海域中部和南部入口，反映了波候的双向特性。

3.3 亚得里亚海极端海平面分布图

综合所有分量，构建了多种情景下的极端海平面（ESL）分布图。主要情景包括：

• •
  ESL1/ESL3：包含MHHW和风暴潮（回归期10/100年），未考虑波浪和海平面上升。
• •
  ESL2/ESL4：在ESL1/ESL3基础上加入波浪增水贡献。
• •
  上述情景又分别考虑了无海平面上升、SSP1-1.9和SSP5-8.5三种气候情景。

结果显示，不考虑气候变化时，北部海域ESL最高（威尼斯为热点），波浪的加入使ESL几乎翻倍，并且使整个海盆的ESL分布更加均匀（标准差减小）。考虑海平面上升后，SSP1-1.9情景使ESL平均增加约33厘米，空间变异性变化不大；SSP5-8.5情景则使ESL绝对值显著增加，且空间变异性增强，意大利北部海岸线风险最高。在所有情景下，威尼斯始终是风险最高的区域，而波浪的贡献在海域中部和南部尤为显著。

本研究通过系统的二元极值分析，揭示了亚得里亚海风暴潮与波浪在塑造极端海平面中的复杂相互作用。研究结论强调，忽略波浪增水会严重低估海岸洪水风险，特别是在波候双向性明显的海域。提供的极端海平面分布图为不同回归期和气候情景下的海岸带规划、工程设计以及适应策略制定提供了宝贵的定量依据。该方法框架具有普适性，可推广至其他受多因子驱动海岸洪水威胁的区域。未来研究可进一步结合高分辨率地形数据，开展更局地化的波浪浅水变形计算，以提升风险评估的精度。这项工作深化了对亚得里亚海极端海平面事件的理解，并为应对气候变化的沿海韧性建设提供了关键科学支持。